GraphRAD: A Graph-based Risky Account Detection System

GraphRAD系统详解

1. 交易记录

将交易记录分为训练集和测试集。对于参数估计和调优，我们只使用出现在训练集中的账户标签，而在性能评价阶段使用测试集中的账户进行评价。在测试中，我们特别关注那些“遗漏的未被检测到的风险账户”。

2. 图生成器(Graph Generator)

在同一笔交易中，如果两个账户有相同的某种属性（如，收货地址），就在这两个用户中间构建一条边。

以此，将一段时期内的交易记录，构建成图，称 account link graph。

依照启发式方法，执行两步过滤操作：

1. degrees filter：移除图中度非常大的节点
2. 评价标签：

• Trusted labels 被分配给长期建立的账户，自建立以来没有任何关于它的欺诈报告
• Fraud labels 被分配给我们确信它就是欺诈账户的
• Risky labels 被分配给我们认为这个账户存在风险，但不确定它是不是欺诈账户

3. 种子模型(Seeding module)

Seeding module使用一组启发式规则为社区检测(Community Detection)模块挑选种子顶点(account)。种子顶点包括所有带欺诈标记的顶点和部分带风险标记的顶点。

4. 社区检测(Community Detection )

社区检测模块接收Seeding module提供的种子顶点，并在“account link graph”上执行局部图聚类算法，输出是一组子图(社区)，每个子图都以种子顶点为中心。

local graph clustering

5. 筛选+合并(Screen + Merge)

利用社区统计训练的回归模型对社区风险进行排序，只保留风险较大的社区，称 big-comm，这样就进一步缩减了社区检测输出的子图规模，最后提交专家评审，又节约了大量时间和专家。

6.社区提取(Community Extractor)

该模块对欺诈者帐户进行集群，并为每个集群提取社区，它从“big-comm”中提取出几乎不重叠的小型欺诈社区。与后面将会介绍的评分模块中的帐户风险评分一起，这些小社区将呈现给人类专家。

hierarchical clustering + local graph clustering

7. 特征提取(Feature Extractor)

此模块使用交易记录中的属性为“big-comm”的每个顶点(帐户)生成特征向量。注意，这些属性不同于用于构建“big-graph”的属性，而是一组本文没有描述的交易风险指标。

8. 评分(Scoring)

评分模块接收从Feature Extractor中获得的特征向量，并执行半监督分类规则化的“big-comm”图。输出是分配给“big-comm”的每个顶点(帐户)的风险分数。